如何下载生物数据（二）：利用ftp下载参考基因组

欢迎订阅WX众号：基因学苑，更多精彩内容等你发掘！
基因学苑Q群：32798724

前面我们介绍了如何进行生物数据的检索，当得到了数据的下载地址之后，接下来就可以开始下载了，那么下载数据的方式有很多种，最常用的就是使用浏览器进行下载，不过浏览器使用的是http（s）协议，下载速度慢，而且如果突然中断，断点续传也比较麻烦，这次我们介绍更好用的ftp协议下载方式。

FTP下载
FTP 是File Transfer Protocol（文件传输协议）的英文简称，相比于http协议，更加稳定，传输速度也更快。
很多网站提供ftp协议的数据下载。

#例如ncbi的ftp地址为:
ftp://ftp.ncbi.nlm.nih.gov/
#embl的ftp地址为：
ftp://ftp.ensembl.org/pub/
访问ftp服务器需要四个元素。

ftp的地址，

用户名和密码，可以匿名访问，Anonymous，也就是数据是公开的，不需要要填写。

端口号，ftp默认端口号是21，一般也不用填写；

连接工具，有很多工具，这里面我们使用filezilla作为演示。

其实ftp的地址是可以直接通过浏览器或者资源管理器进行访问的。通过浏览器访问非常不方便，不能直接下载整个文件夹，而且不能断点续传。
通过windows系统的资源管理器，也可以访问，那么就是这种文件夹的形式，这个看起来比较工整，可以直接拖拽文件夹，但是访问速度比较忙。
所以，还是强烈推荐ftp链接工具进行访问。

Filezilla下载
filezilla的下载和安装比较容易，直接搜索，然后下载安装即可。

#Filezilla官网：
https://filezilla-project.org/
实除了还有很多ftp链接工具，比如winscp，xftp，mobaxterm等，使用方法都类似。这里我们将利用Filezilla从ncbi下载人全基因组参考序列，和对应的gff文件。

一、打开Filezilla，添加ncbi ftp地址；
ftp://ftp.ncbi.nlm.nih.gov ，ftp默认端口号为21，可以不填写，ncbi默认可以采用匿名用户访问，什么都不用填。

二、在ncbi ftp中寻找要下载的数据；
直接双击genomes目录，这里面包含了很多内容，如果想知道具体的目录内容，可以查看README文件。然后进入refseq目录，人属于脊椎动物的哺乳动物，在vertebrate_mammalian目录下，然后是Homo_sapiens目录中，表示智人。NCBI比较讨厌的是，这些目录结构经常换，过几天你按照这个目录结构也许就找不到了。

ftp://ftp.ncbi.nlm.nih.gov/genomes/refseq/vertebrate_mammalian/Homo_sapiens/latest_assembly_versions/

其实人基因组直接在genomes目录下就有一个H_sapiens目录，也可以直接从这里下载。

三、直接拖拽到本地即可。
注意人染色体有多个版本，确定是自己需要的版本，其他基因组下载方法类似。

---------- END ----------